JP7475287B2 - ポイントクラウドデータの処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム - Google Patents
ポイントクラウドデータの処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7475287B2 JP7475287B2 JP2020565957A JP2020565957A JP7475287B2 JP 7475287 B2 JP7475287 B2 JP 7475287B2 JP 2020565957 A JP2020565957 A JP 2020565957A JP 2020565957 A JP2020565957 A JP 2020565957A JP 7475287 B2 JP7475287 B2 JP 7475287B2
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- cloud data
- discrete convolution
- data
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims description 16
- 238000004590 computer program Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims description 291
- 230000008569 process Effects 0.000 claims description 223
- 239000013598 vector Substances 0.000 claims description 177
- 230000015654 memory Effects 0.000 claims description 33
- 238000010606 normalization Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
Description
本願は、2019年05月23日に提出された、出願番号が201910430700.7である中国特許出願に基づく優先権を主張する。
ターゲットシーンにおけるポイントクラウドデータ及び第1離散畳み込みカーネルの重みベクトルを取得することと、前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得ることであって、前記第1重みデータは、前記ポイントクラウドデータを前記第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表す、ことと、前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して、第1離散畳み込み処理を行い、第1離散畳み込み結果を得ることと、前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることと、を含む。
前記取得ユニットは、ターゲットシーンにおけるポイントクラウドデータ及び第1離散畳み込みカーネルの重みベクトルを取得するように構成され、
前記補間処理ユニットは、前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得るように構成され、前記第1重みデータは、前記ポイントクラウドデータを前記第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表し、
前記特徴取得ユニットは、前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して、第1離散畳み込み処理を行い、第1離散畳み込み結果を得て、前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得るように構成される。
前記取得ユニット41は、ターゲットシーンにおけるポイントクラウドデータ及び第1離散畳み込みカーネルの重みベクトルを取得するように構成され、
前記補間処理ユニット42は、前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得るように構成され、前記第1重みデータは、前記ポイントクラウドデータを前記第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表し、
前記特徴取得ユニット43は、前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して、第1離散畳み込み処理を行い、第1離散畳み込み結果を得て、前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得るように構成される。
前記特徴取得ユニット43は更に、前記第2重みデータ及び前記第2離散畳み込みカーネルの重みベクトルに基づいて、前記第1処理データに対して第2離散畳み込み処理を行い、第2離散畳み込み結果を得て、前記第2離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を得るように構成される。
42 補間処理ユニット
43 特徴取得ユニット
44 第1決定ユニット
51 プロセッサ
52 メモリ
Claims (13)
- ポイントクラウドデータの処理方法であって、前記ポイントクラウドデータの処理方法は、
ターゲットシーンにおけるポイントクラウドデータ及び第1離散畳み込みカーネルの重みベクトルを取得することと、
前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得ることであって、前記第1重みデータは、前記ポイントクラウドデータを前記第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表す、ことと、
前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して、第1離散畳み込み処理を行い、第1離散畳み込み結果を得ることと、
前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることであって、前記空間的構造特徴は、前記ポイントクラウドデータによって表される前記ターゲットシーンの空間的構造の特徴を表すことと、を含む、ポイントクラウドデータの処理方法。 - 前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得ることは、
前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、所定の補間処理方式で第1重みデータを得ることであって、前記第1重みデータは、前記ポイントクラウドデータを、所定の条件を満たす第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表し、前記ポイントクラウドデータは、前記所定の条件を満たす前記第1離散畳み込みカーネルの重みベクトルで囲まれた特定の幾何的形状領域内に位置する、ことを含むことを特徴とする
請求項1に記載の方法。 - 前記第1離散畳み込み結果を得た後、前記方法は、正規化パラメータに基づいて前記第1離散畳み込み結果に対して正規化処理を行うことであって、前記正規化パラメータは、前記ポイントクラウドデータの所在する前記特定の幾何的形状領域内のポイントクラウドデータの数によって決定される、ことを更に含み、
前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることは、正規化処理を行った結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることを含むことを特徴とする
請求項2に記載の方法。 - 前記第1離散畳み込みカーネルの重みベクトルは、n組であり、前記第1重みデータは、n組であり、nは、2以上の整数であり、
前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して第1離散畳み込み処理を行い、第1離散畳み込み結果を得ることは、
第k組の第1重みデータ及び第k組の第1離散畳み込みカーネルの重みベクトルに対応する第k組の第1畳み込みパラメータに基づいて、第k組の第1離散畳み込みカーネルの重みベクトル及び前記ポイントクラウドデータに対してk番目の第1離散畳み込み処理を行い、k番目の第1離散畳み込み結果を得ることであって、前記第k組の第1畳み込みパラメータは、k番目の第1離散畳み込み処理の大きさの範囲に対応し、kは、1以上n以下の整数である、ことを含み、
前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることは、
n個の第1離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を決定することを含むことを特徴とする
請求項1から3のいずれか一項に記載の方法。 - 前記n個の第1離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を決定することは、
第1処理データ及び第2離散畳み込みカーネルの重みベクトルに基づいて、前記第1処理データに対して補間処理を行い、第2重みデータを得ることであって、前記第2重みデータは、前記第1処理データを前記第2離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表し、前記第1処理データは、前回の離散畳み込み処理の結果によって決定され、前回の離散畳み込み処理の結果がn個の第1離散畳み込み結果であり、前記第1処理データは、前記n個の第1離散畳み込み結果によって決定される、ことと、
前記第2重みデータ及び前記第2離散畳み込みカーネルの重みベクトルに基づいて、前記第1処理データに対して第2離散畳み込み処理を行い、第2離散畳み込み結果を得ることと、
前記第2離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を得ることと、を含むことを特徴とする
請求項4に記載の方法。 - 前記第2離散畳み込みカーネルの重みベクトルはl組であり、前記第2重みデータは、l組であり、lは、2以上の整数であり、
前記第2重みデータ及び前記第2離散畳み込みカーネルの重みベクトルに基づいて、前記第1処理データに対して第2離散畳み込み処理を行うことは、第m組の第2重みデータ及び第m組の第2畳み込みパラメータに基づいて、第m組の第2離散畳み込みカーネルの重みベクトル及び前記第1処理データに対して、m番目の第2離散畳み込み処理を行い、m番目の第2離散畳み込み結果を得ることであって、前記第m組の第2畳み込みパラメータは、m番目の離散畳み込み処理の大きさの範囲に対応し、mは、1以上l以下の整数である、ことを含み、
第2離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を得ることは、
l個の第2離散畳み込み結果に基づいて、前記ポイントクラウドデータの空間的構造特徴を決定することを含むことを特徴とする
請求項5に記載の方法。 - 前記ポイントクラウドデータの処理方法は、
前記ポイントクラウドデータの空間的構造特徴に基づいて、前記ターゲットシーンにおける識別対象のタイプを決定することを更に含むことを特徴とする
請求項1から6のいずれか一項に記載の方法。 - 前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得ることは、
前記第1離散畳み込み結果に対して第1アップサンプリング処理を行い、第1アップサンプリング処理結果を得ることと、
前記第1アップサンプリング処理結果に基づいて、前記ポイントクラウドデータにおける少なくとも1つのポイントデータの空間的構造特徴を得ることと、を含むことを特徴とする
請求項1から3のいずれか一項に記載の方法。 - 前記ポイントクラウドデータの処理方法は、
前記ポイントクラウドデータにおける少なくとも1つのポイントデータの空間的構造特徴に基づいて、少なくとも1つのポイントデータのセマンティック情報を決定することを更に含むことを特徴とする
請求項1から3、8のいずれか一項に記載の方法。 - ポイントクラウドデータの処理装置であって、前記ポイントクラウドデータの処理装置は、取得ユニットと、補間処理ユニットと、特徴取得ユニットと、を備え、
前記取得ユニットは、ターゲットシーンにおけるポイントクラウドデータ及び第1離散畳み込みカーネルの重みベクトルを取得し、
前記補間処理ユニットは、前記ポイントクラウドデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して補間処理を行い、第1重みデータを得て、前記第1重みデータは、前記ポイントクラウドデータを前記第1離散畳み込みカーネルの重みベクトルに対応する位置に割り当てる重みを表し、
前記特徴取得ユニットは、前記第1重みデータ及び前記第1離散畳み込みカーネルの重みベクトルに基づいて、前記ポイントクラウドデータに対して、第1離散畳み込み処理を行い、第1離散畳み込み結果を得て、前記第1離散畳み込み結果に基づいて、前記ポイントクラウドデータのうちの少なくとも一部のポイントクラウドデータの空間的構造特徴を得て、前記空間的構造特徴は、前記ポイントクラウドデータによって表される前記ターゲットシーンの空間的構造の特徴を表す、ポイントクラウドデータの処理装置。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムがプロセッサにより実行される時、請求項1から9のいずれか一項に記載のポイントクラウドデータの処理方法を実現させる、コンピュータ可読記憶媒体。
- 電子機器であって、前記電子機器は、メモリと、プロセッサと、メモリに記憶されてプロセッサで実行される可能なコンピュータプログラムと、を備え、前記プロセッサが前記コンピュータプログラムを実行する時、請求項1から9のいずれか一項に記載のポイントクラウドデータの処理方法を実現させる、電子機器。
- コンピュータプログラムであって、コンピュータによって実行されると、コンピュータに、請求項1から9のいずれか一項に記載のポイントクラウドデータの処理方法を実現させることができる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430700.7 | 2019-05-22 | ||
CN201910430700.7A CN110163906B (zh) | 2019-05-22 | 2019-05-22 | 点云数据处理方法、装置、电子设备及存储介质 |
PCT/CN2019/121776 WO2020233069A1 (zh) | 2019-05-22 | 2019-11-28 | 点云数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021528726A JP2021528726A (ja) | 2021-10-21 |
JP7475287B2 true JP7475287B2 (ja) | 2024-04-26 |
Family
ID=67632023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020565957A Active JP7475287B2 (ja) | 2019-05-22 | 2019-11-28 | ポイントクラウドデータの処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210042501A1 (ja) |
JP (1) | JP7475287B2 (ja) |
KR (1) | KR102535158B1 (ja) |
CN (1) | CN110163906B (ja) |
SG (1) | SG11202010693SA (ja) |
WO (1) | WO2020233069A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163906B (zh) * | 2019-05-22 | 2021-10-29 | 北京市商汤科技开发有限公司 | 点云数据处理方法、装置、电子设备及存储介质 |
CN110969689A (zh) * | 2019-12-03 | 2020-04-07 | 上海眼控科技股份有限公司 | 点云特征提取方法、装置、计算机设备和存储介质 |
CN112935703B (zh) * | 2021-03-19 | 2022-09-27 | 山东大学 | 识别动态托盘终端的移动机器人位姿校正方法及系统 |
CN113189634B (zh) * | 2021-03-02 | 2022-10-25 | 四川新先达测控技术有限公司 | 一种类高斯成形方法 |
CN112991473B (zh) * | 2021-03-19 | 2023-07-18 | 华南理工大学 | 一种基于立方体模板的神经网络编码解码方法及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5475422A (en) * | 1993-06-21 | 1995-12-12 | Nippon Telegraph And Telephone Corporation | Method and apparatus for reconstructing three-dimensional objects |
AP2905A (en) * | 2005-06-28 | 2014-05-31 | Scanalyse Pty Ltd | A system and method for measuring and mapping a surface relative to a reference |
CN101063967B (zh) * | 2006-04-28 | 2010-11-10 | 鸿富锦精密工业(深圳)有限公司 | 点云自动修剪系统及方法 |
WO2008066740A2 (en) * | 2006-11-22 | 2008-06-05 | Parker Vision, Inc. | Multi-dimensional error correction for communications systems |
US10378891B2 (en) * | 2007-12-28 | 2019-08-13 | Outotec Pty Ltd | System and method for measuring and mapping a surface relative to a reference |
US9068809B1 (en) * | 2013-06-06 | 2015-06-30 | The Boeing Company | Quasi-virtual locate/drill/shim process |
CN105590311A (zh) * | 2014-11-13 | 2016-05-18 | 富泰华工业(深圳)有限公司 | 图形化平面数据分析系统及方法 |
US10459084B2 (en) * | 2014-12-30 | 2019-10-29 | Nokia Technologies Oy | Range sensing using a hybrid range sensing device |
CN105550688B (zh) * | 2015-12-04 | 2019-03-29 | 百度在线网络技术(北京)有限公司 | 点云数据的分类方法及装置 |
US11458034B2 (en) * | 2016-05-03 | 2022-10-04 | Icarus Medical, LLC | Method for automating body part sizing |
CN107918753B (zh) * | 2016-10-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 点云数据处理方法及装置 |
CN107358655B (zh) * | 2017-07-27 | 2020-09-22 | 秦皇岛燕大燕软信息系统有限公司 | 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法 |
CN108230329B (zh) * | 2017-12-18 | 2021-09-21 | 孙颖 | 基于多尺度卷积神经网络的语义分割方法 |
US11500099B2 (en) * | 2018-03-14 | 2022-11-15 | Uatc, Llc | Three-dimensional object detection |
US10572770B2 (en) * | 2018-06-15 | 2020-02-25 | Intel Corporation | Tangent convolution for 3D data |
CN108921939A (zh) * | 2018-07-04 | 2018-11-30 | 王斌 | 一种基于图片的三维场景重建方法 |
CN109410307B (zh) * | 2018-10-16 | 2022-09-20 | 大连理工大学 | 一种场景点云语义分割方法 |
CN109597087B (zh) * | 2018-11-15 | 2022-07-01 | 天津大学 | 一种基于点云数据的3d目标检测方法 |
CN110163906B (zh) | 2019-05-22 | 2021-10-29 | 北京市商汤科技开发有限公司 | 点云数据处理方法、装置、电子设备及存储介质 |
-
2019
- 2019-05-22 CN CN201910430700.7A patent/CN110163906B/zh active Active
- 2019-11-28 JP JP2020565957A patent/JP7475287B2/ja active Active
- 2019-11-28 KR KR1020207031573A patent/KR102535158B1/ko active IP Right Grant
- 2019-11-28 WO PCT/CN2019/121776 patent/WO2020233069A1/zh active Application Filing
- 2019-11-28 SG SG11202010693SA patent/SG11202010693SA/en unknown
-
2020
- 2020-10-28 US US17/082,686 patent/US20210042501A1/en not_active Abandoned
Non-Patent Citations (2)
Title |
---|
Peng,S., et al.,"Convolutional Occupancy Networks",arxiv,米国,Cornell University,2020年3月10日,pp.1-17,https://arxiv.org/pdf/2003.04618v1.pdf |
Wu,W., et al.,"PointConv:Deep Convolutional Networks on 3D Point Clounds",arxiv,米国,Cornell University,2019年4月11日,pp.1-10,https://arxiv.org/pdf/1811.07246v2.pdf |
Also Published As
Publication number | Publication date |
---|---|
SG11202010693SA (en) | 2020-12-30 |
JP2021528726A (ja) | 2021-10-21 |
CN110163906A (zh) | 2019-08-23 |
US20210042501A1 (en) | 2021-02-11 |
KR102535158B1 (ko) | 2023-05-22 |
KR20200139761A (ko) | 2020-12-14 |
WO2020233069A1 (zh) | 2020-11-26 |
CN110163906B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7475287B2 (ja) | ポイントクラウドデータの処理方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
US12008797B2 (en) | Image segmentation method and image processing apparatus | |
KR102452953B1 (ko) | 뉴럴 네트워크의 컨볼루션 연산을 수행하는 방법 및 장치 | |
CN109522874B (zh) | 人体动作识别方法、装置、终端设备及存储介质 | |
CN110473137B (zh) | 图像处理方法和装置 | |
US12062158B2 (en) | Image denoising method and apparatus | |
US11636306B2 (en) | Implementing traditional computer vision algorithms as neural networks | |
CN111914997B (zh) | 训练神经网络的方法、图像处理方法及装置 | |
CN109598732B (zh) | 一种基于三维空间加权的医学图像分割方法 | |
EP4006776A1 (en) | Image classification method and apparatus | |
WO2021147551A1 (zh) | 点云数据处理方法、智能行驶方法及相关装置、电子设备 | |
WO2021098545A1 (zh) | 一种姿势确定方法、装置、设备、存储介质、芯片及产品 | |
CN113807361A (zh) | 神经网络、目标检测方法、神经网络训练方法及相关产品 | |
CN113392831A (zh) | 分析一组帧中的对象 | |
CN113781659A (zh) | 一种三维重建方法、装置、电子设备及可读存储介质 | |
CN112241934B (zh) | 一种图像处理方法以及相关设备 | |
CN117333937A (zh) | 基于分类和蒸馏的人体姿态估计方法、装置及电子设备 | |
CN116228850A (zh) | 物体姿态估计方法、装置、电子设备及可读存储介质 | |
WO2021102762A1 (zh) | 一种感知网络及图像处理方法 | |
GB2608791A (en) | Neural network comprising matrix multiplication | |
CN112580772A (zh) | 卷积神经网络的压缩方法及装置 | |
CN114529731B (zh) | 人脸特征点定位及属性分析方法、装置、存储介质及设备 | |
CN112668582B (zh) | 图像识别方法、装置、设备和存储介质 | |
CN112967200B (zh) | 图像处理方法、装置、电子设备、介质和计算机程序产品 | |
WO2023187365A1 (en) | Neural network processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201124 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220428 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220530 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230104 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230104 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230116 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230123 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230331 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240416 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7475287 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |